NameNode的FSImage以及EditLog的简化模型设计文档（HDFS-1073：Simpler model for Namenode's FsImage and EditLogs）

转帖请注明本空间地址:

http://blog.csdn.net/chenpingbupt

[email protected]

原文请参：

https://issues.apache.org/jira/browse/HDFS-1073

https://issues.apache.org/jira/secure/attachment/12478323/hdfs1073.pdf 

译文如下：

这个设计极大的简化了Fsimage和Editlog的处理和命名，NN名字空间目录的storage layout被重构成更为健壮，现在每个Edit都有个txid，并且每个文件都有txid与之关联，如果是CheckPoint的文件则有一个txid，而Editlogs则有一个txid的范围与之关联，详细设计文档如下：

HDFS-1073设计文档/Todd Lipcon/[email protected]/May 5 ,2011

1、Transaction IDs

HDFS在Fseditlog中使用txid的概念已经很久了，Txid被顺序的赋予到各个写入数据到Editlog的线程，然后在利用txid在logSync()中进行group commit

1.1     Persistent Transaction IDs

Hdfs-1521作为Hdfs-1073的子任务，其目标是将txid进行持久化。也就是说一个刚刚初始化的NN的txid是1，以后在这个namesystem的生命周期内，同一个txid永远不会被重用，这包括NN重启和进行CheckPoint的情况。

1.2     Non-namespace transactions

FsEditlog中已经包含了一些特殊的Transaction，这些Transaction不会改变namespace而是在NN的logs已经被rolled或者其他情况下用来通知BN。这个设计中将会在增加两个这样的Transaction

1、OP_BEGIN_LOG_SEGMENT 这个Transaction写在每个新的Editlog文件的最开始，目前不包含任何数据的，以后可能会将一些namespace中特殊的CheckPoint和metadata信息写入

2、OP_END_LOG_SEGMENT 这个Transaction在每个Editlog文件即将关闭的时候写在末尾。这可以检查该文件是否被正确的关闭，另外也可以用在BN与NN进行log roll同步的时候。以后，这个Transaction可能会被扩展加入log文件的checksum。

这两个Transaction也被用于确保所有的Editlog中至少包含一个Transaction，这就避免了很多判断Editlog为空文件的代码

2、Storage contents

NN的storage目录仍然按照要么是Edits/Images，要么是Edits&Images来组织。不同之处在于每个edit文件或者image文件都有个后缀来标明该文件中包含的txid，具体的文件名模式如下：

fsimage_N     这是一个CheckPoint，并且所有小于等于N的Transaction都已经包含在内

edits inprogress N   这是一个Editlog文件，它的第一个Transaction的id是N，最后一个Transaction的id未知。这个文件要么是ActiveNN正在写入，要么是前一个NN没有正确的shutdown

edits N-M     这是一个Editlog文件，它包含了从N到M的素有的Transactions

例如，一个刚刚格式化的NN具有如下的内容：

1、fsimage_0   空的image文件

2、edits_inprogress_1  正在写入的Editlog文件

当Editlog文件进行roll的时之后，edits_inprogress将会被重命名为edits_N-M。所以如果在一个写入了10个edits的NN中进行roll的话，将会看到：

1、fsiamge_0   同上

2、edits_1-10   所有在roll之前的Transactions

3、edits_inprogress_11     正在写入的edit文件

当进行CheckPoint的时候一个image被save或者upload时，将会进行以下验证：任何fsiamge_N必须包含所有小于N的logs。所以如果在上一个例子中，如果调用了saveNamespace，将会看到：

1、fsimage_0  同上

2、edits_1-10  roll之前的Transactions

3、edits_11-12 包含有特殊的BEGIN _LOG_SEGMENT以及END_LOG_SEGMENT但是并没有进行namespace更改

4、fsimage_12  所有的edits都会写入到namespace

5、edits_inprogress_13 被写入的editlog文件

3、Log Rolling

3、1     Triggers to roll logs

以下事件将会发起一个log的roll

1、NN startup

2、saveNamespace

3、SecondaryNN或者BN进行CheckPoint

4、一个失效的storage目录重新使用

5、主动的trig一个log roll，这在进行backup中比较管用。

3、2     Log rolling process

1、关闭当前的edits_inprogress_N

2、在所有的edits目录中，进行重命名edits_inprogress_N为edits_N-M。

3、任何之前就有问题的edits目录将会留下edits_inprogress_N(因为无法判断是否所有的edits都已经在roll之前写入到该文件中)

4、在所有的edits目录中打开edits_inprogress_M+1文件，即使在是失效的目录中也会尝试

4、Startup behavior

如果NN没有正确的关闭，那么在重启之时，将要进行recovery。特别地，如何带有inprogress的文件是由于以下原因造成：

1、NN在运行的时候，这个目录就变成了非法，那么NN将停止对这个目录的写入

2、NN在打开并且写入log到该文件的状态下crash掉

第一种情况，由于其他的目录可能是完好的，那么没多大的问题。而第二种情况则需要在startup时进行重放

NN通过LOG RECOVERY过程来判断每个EditLog归属于哪个category，并且判定从哪个log集中加载namespace

4、1     Log recovery（ActiveNN）

PrimaryNN通过以下步骤进行log recover

1、在所有的edit目录下找寻edits_inprogress_N

2、对每个找到的N：

a、在所有的edit目录中找寻finallized的并且以N作为开始的edits文件

b、如果找到至少一个edits_N-M，那么edits_inprogress_N可能已经corrupt了，此时应该重命名为edits_inprogress_N_corrupt（如果狠点的话就删除）

c、如果没找到一个edits_N-M文件，那么NN应该是在写logN文件的时候crash了，在所有的edits_N_inprogress启动以下初始化过程

1、对每个log，计算合法长度，即去掉结束的OP_INVALID之后的文件长度

2、使用最长的log文件来进行replaying

4、2     Log recovery（backup node）

在BN中，任何"inprogress"文件必须删除，过后再从PNN中获取。这些文件发生在BN正在进行replicating的时候crash了，那么遗留的这些文件会因为PNN在不断的写入而比PNN中对应的文件短。

4、3     Image recovery

任何fsimage_ckpt_N文件都可能是没有完成的，因为"_ckpt"表名该文件正在被写。因此需要删除这些image文件（或者加上".corrupt"后缀）

4、4     Namespace reconstruction

在进行了上述recovery操作之后，接下来需要选择那些log文件应该被load进去以构建Namespace

1、找到fsimage_N，其中N是所有的edits目录中的最大值

2、找到所有的log文件，其txid起始值大于N

3、将所有的edits目录下的log文件按照其实txid分组

4、Invariant：所有具有相同起始txid的log文件具有相同的结束txid

5、Invariant：如果有一个组的log文件具有从N到M的txid，那么这个文件要么是最后一个组要么下一个组的起始txid为M+1

那么，可以按照以下顺序启动NN

1、载入fsimage_N

2、从以txid为N+1到M的log组中加载任意的一个log文件

3、从以txid为M+1的log组中加载任何一个log文件

4、其他

如果最后一个组（起始txid为M+1的那个组）以txid为Q结尾，那么NN将写入log到edits_inprogress_Q+1

4、5     Upgrade

升级过程本质是不变，除了我们必须读取老的layout(fsimage,edits,edits.new)来进行升级。本文中描述的改变仅仅发生在current目录中，所以previous目录在Upgrade/rollback/finalization过程中的管理方式并没有改变。

5、saveNamespace

PNN进行保存Namespace的过程如下：

1、NN必须在safemode下，这使得没有任何editlog写入到namesystem中

2、NN写入OP_END_SEGMENT到当前的"inprogress"文件中并且对该文件进行close，rename，finalize，假定N是OP_END_SEGMENT的txid

3、NN在每个edits目录中保存namespace到fsimage_ckpt_N中

4、NN重命名fsimage_ckpt_N为fsimage_N在所有的edits目录中

5、NN在所有的edits目录中打开edits_inprogress_N+1，并且写入OP_BEGIN_SEGMENT。

5、1     Failure analysis

如果NN在结束了一个log segment之后并且保存namespace之前crash了，那么老的log文件已经finallized了，新的log文件尚未创建，重新启动后log recovery正如4.1所描述 

如果NN在saveNamespace时crash掉，那么image recovery将会移除未完成的ckpt image，recovery过程同上

如果NN已经重命名一个或多个image之后crash了，那么在recovery的时候会正确的从image文件进行，并且忽略小的txid的edits文件

6、Checkpoint process

本文中的checkpointing node是值任何能够发起checkpointing过程的node，可能是secondarynamenode，CheckpointNode或者其他，具体看实现。但是Checkpoint的过程不变如下：

1、CheckpointSignature加入最新的fsimage的 txid和目前正在写入(inprogress)的edits文件的start txid

2、Checkpointing node发起一个beginCheckponit的rpc到NN

3、NN开始roll这些log文件，并且将上述的Checkpoint signature返回。

4、Checkpointing node发起一个getRemoteEditLogs的rpc去获取一个finallized log segments，这些log文件的是在image的txid和current log 的txid之间的所有的Transactions

5、GetImageServelet应该可以由参数指定来下载哪个image或者edits文件

6、Checkpoint node 下载fsimage_N以及所有从N到CheckpointSignature中指定txid之间的所有edits文件。注意：下载之后这些文件被命名为类似于：edits_inprogress_N-M和fsimage_ckpt_N，只有经过验证之后，再命名为edits_N和fsimage_N

7、CheckPointer 在本地保存fsimage_M，然后upload到NN。和前面一样，NN也是先命名文件为fsimage_ckpt_N，等上传完成之后才命名回去，这样确保CheckPoint中断之后，不会导致storage目录的corrupt。

8、NN对CheckpointSignature验证时，只确保来自同一个文件系统，检查相应的Security Token，以前关于文件的时间检查不在需要了，因为这都包含在txid内。

9、NN将fsimage_M+1保存到本地的image文件加中，不对log做任何操作

6、1     Handling multiple secondary name nodes

注意上述过程中，NN没有保存任何正在进行的CheckPoint的状态，也就是说如果多个CheckPointer发起CheckPoint的请求，NN也会照做。在这个情况下，NN会多次进行roll，将不同的txid交给相应的CheckPointer，然后CheckPointer上传不同txid的fsimage

7、BackupNode operation

这个设计中，BackupNode的操作也显著的简化了

7、1     BackupNode state

BN包含以下状态

JournalState - 枚举类型，要么IN_SYNC要么JOURNAL。

IN_SYNC：表名该BN的namespace目前和PNN的是同步的，并且BN新接收到的edits应该立刻应用到namespace中。

JOURNAL：表名该BN的namespace当前落后与PNN的状态，并且新的edits只要写入到磁盘即可

NamesystemReflectsLogsThroughTxId - 当前BN已经apply过了的edits的txid

StopApplyingAtNextRoll - boolean型，容许CheckPoint停止对edit的apply

7、2     BackupNode Startup

启动过程中，BN首先依照4.2节描述的方式进行storage recovery。然后按照4.4的方式进行namespace重建，即使NN也是如此。

1、当启动完成， NamesystemReflectsLogsThroughTxId变量将会更新成BN刚刚recover过的最新的image或者editlog文件的txid

2、然后BN向PNN进行注册，注册时，PNN将会进行一次roll log，然后开始向streaming log流到BN上

3、BN开始状态处于 Journal模式，因为它不一定和PNN同步。为了在启动后同步，BN可以调用 catchupSynchronization()

7、3     Receiving edits

一旦注册之后，PNN开始通过RPC向BN流式发送edit

7、3、1     Special edit records

BN对OP_BEGIN_LOG_SEGMENT和OP_END_LOG_SEGMENT这两个log没有任何不同，它需要依靠这两个log来对本地的edits进行roll，以便和PNN同步。

如果StopApplyingAtNextRoll 被设置，并且BN收到了OP_END_LOG_SEGMENT，那么BN将从IN_SYNC模式转换为JOURNAL模式，也就是说，从这个Transaction之后，BN不再将edit日志apply到namespace中

7、3、2     Applying and jouraling edits

依据当前的JournalState，BN为每个edit采取不同的措施

如果是在IN_SYNC状态，那么edit会尽快apply到namesystem中，同时也写入到磁盘文件中。

如果是在JOURNAL状态，那么edit仅仅写入到磁盘中。

7、4     Checkpointing

为了进行Checkpoint，BN采取以下措施：

1、设置StopApplyingAtNextRoll标识

2、通知NN进行beginCheckponit，roll log，写入OP_END_LOG_SEGMENT。因为这个Transaction，BN也相应进入JOURNAL状态。

3、现在BN应该已经关闭log并且进入到JOURNAL状态，如第六节描述，beginCheckponit将返回一个checkpointSignature

4、如果BN之前是在IN_SYNC，那么BN和NN已经是同步了。如果BN不是在IN_SYNC，那么需要下载从NamesystemReflectsLogsThroughTxId到checkpointSignature中指定的txid之间的所有editlog并且apply到namespace

5、上传checkpoint到PNN中

6、调用catchupSynchronization

7、5     Converging logs(TODO need to update this design for txid)

完成checkpoint之后，BN现在处于JOURNAL状态，需要进行"catch back up"到PNN，算法如下：

def catchupSynchronization():
     assert we are in JOURNAL state
     converged = false
     while namesystemReflectsLogsThrough <= currentReceivingLog:
          if namesystemReflectsLogsThrough < currentReceivingLog:
               # we're still catching up on finalized logs
               fetchAndReplayLogIndex(namesystemReflectsLogsThrough + 1)
          else:
               converged = tryConverge(namesystemReflectsLogsThrough + 1)
     assert mode == IN_SYNC

def tryConverge(N):
     open current edits_N_inprogress that is being written to
     if the open fails due to FNFE:
          assert that edits_N exists [ie it got rolled before we opened it]
          return False
         
     replay logs until EOF
     lock journal
     if currentReceivingLog > N:
          # we rolled while replaying, go back to catchup sequence
          unlock journal
          assert that edits_N exists (ie that our open file got finalized under us)
          continue to replay logs from same open stream until EOF
          namesystemReflectsLogsThrough = N
          return False [we did not succeed in converging]
         
     assert currentReceivingLog == N
     replay last logs in edits_N_inprogress until another EOF
     set state = IN_SYNC
     namesystemReflectsLogsThrough = N
     unlock journal
     return True

7、6     Handling multiple BNs

上述设计中个，BN并没有假设NN可能会在某些情况下停止rolling，所有的checkpoint在server都是无状态的。如果多个BN都进行checkpoint，他们可能在不同的txid上进行，上传不同txid的fsimage到NN

8     Image/edits file retention policies

上述设计中，并未描述image和edit的删除策略，为了保证空间的可控，NN在做restart的时候应该删除一些不必要的editlog文件和image文件。删除策略如下：

1、历史Image的个数 - 确保至少有N个历史的image文件在目录中，确保txid>=最老的Nth的image文件的txid都在这N个文件中。

2、时间 - 确保所有在设定时间内的edit都在文件中保留，即：txid>=最老image的txid

3、打包 - 为了审计，purage机制也很容易的实现将log打包到hdfs，tape，san等存储设备

9     Future Direction

尽管在本次设计中，没有实现以下功能，但是本次设计也为这些功能在以后实现预留了空间。以下详述这些观点：

9、1     NN-triggered checkpointing

除了让BN定期的进行checkpoint之外，也很容易实现让BN在OP_END_LOG_SEGMENT上进行checkpoint。优点在于这样让NN能够在一个合适的时机进行checkpoint，缺点在于如果多个BN同时发起checkpoint时，load比较高

9、2     Offline Checkpointing

除了可以有一个特殊的daemon来进行checkpoint之外，还可以搞一个Offline的工具来对给定的storage目录进行checkpoint，如下：

1、在所有的fsimage_x文件中，读入fsimage_N，N为最大值的那个文件。

2、读入任何所有大于N的editlog文件。

3、保存fsimage_M到该目录中

注意，这种情况，不会对inprogress的edit（如果该指定目录中有该文件的话）进行checkpoint，如果需要一个up-to-date的checkpoint，需要trigger PNN先进行一次roll，这可以通过一个dfsadmin -rollEdits命令来达成。

在写入fsimage_ckpt_M的时候，需要使用一个advisory lock来保持对该文件的独占。另外也可以通过将文件写入一个唯一的fsimage_ckpt_M_<GUID>来确保独占。

理想情况下，这个工具应该和checkpointNode大体相同。

9、3     Shared storage for metadata

本设计的一个优点是，任何finallized过的edit或者image在整个集群中都具有一个唯一标识（包括NN,BN,SNN）等。

在Shared storage目录中，TransferFsImage的调用不需要进行任何操作，BN改为直接tail当前shared-storage目录中的inprogress的editlog文件来获取最新的log，当BN遇到OP_END_LOG_SEGMENT时，它开启下一个inprogress进行tail。

这个设计和AvatarNode设计类似，除了AvartarNode需要在checkpoint和avatar之间进行协调。

10     Test Plan

请参原文